×
迈克尔·华莱士。;艾丽卡·E·M·穆迪。

基于加权最小二乘法的双胸片动态治疗方案估计。 （英语） 兹比尔1419.62467

生物计量学 71，第3期，636-644（2015）.
小结：个性化医学是一个快速发展的健康研究领域，其中患者级信息用于告知他们的治疗。动态治疗方案（DTR）是一种形式化治疗决策序列的方法，其特征是个性化管理计划。确定优化预期患者结果的DTR显然很有趣，为此提出了许多方法。我们提出了一种新的方法，该方法建立在两种既定方法的基础上：Q学习和G估计，提供了后者的双重鲁棒性，但易于实现，与前者更为相似。我们概述了基本理论，提供了模拟研究，证明了我们的方法的双重稳健性和效率特性，并说明了它在促进母乳喂养干预试验数据中的应用。

引用于20文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
92 C50 医疗应用（通用）

关键词：

适应性治疗策略;逆向归纳法;动态治疗方案;G估计;个性化医疗;增强学习

软件：

q学习
PDF格式BibTeX公司 XML格式引用
\textit{M.P.华莱士}和\textit{E.E.M.穆迪}，《生物计量学》71，第3期，636--644（2015；Zbl 1419.62467）
全文： 内政部

参考文献：

[1] Chakraborty，使用自适应m-out-of-n引导方案推断最佳动态治疗方案，生物计量学69第714页–（2013）·Zbl 1418.62182号 ·doi:10.1111/biom.12052
[2] Chakraborty，《动态治疗方案的统计方法》（2013年）·Zbl 1278.62169号 ·doi:10.1007/978-1-4614-7428-9
[3] Chakraborty，最佳动态治疗方案中非常规参数的推断，《医学研究统计方法》19，第317页–（2010年）·Zbl 1365.62411号 ·doi:10.1177/0962280209105013
[4] Chakraborty，《动态治疗方案》，《统计及其应用年鉴》，第1页，第447页–（2014年）·doi:10.1146/annurev-statistics-022513-115553
[5] Henderson，最佳动态治疗方案的回归分析，《生物统计学》66页1192–（2010）·Zbl 1233.62180号 ·doi:10.1111/j.1541-0420.2009.01368.x
[6] 黄，《复发性疾病的多阶段治疗分析》，《医学统计》31页，2805–（2012）·doi:10.1002/sim.5456
[7] Kang，结合生物标记物优化患者治疗建议，《生物统计学》70第713页–（2014）·Zbl 1299.62125号 ·doi:10.1111/biom.12189
[8] Kramer，《促进母乳喂养干预试验（PROBIT）：白俄罗斯共和国的一项随机试验》，《美国医学会杂志》285页413–（2001）·doi:10.1001/jama.285.4.413
[9] Laber，E.B.Qian，M.Lizotte，D.J.Pelham，W.E.Murphy，S.A.，2013年http://arxiv.org/abs/1006.5831v3
[10] 穆迪（Moodie），《Q-learning：关于有用公用事业的灵活学习》，《生物科学统计》（Statistics in Biosciences）6，第223页–（2013）·doi:10.1007/s12561-013-9103-z
[11] Moodie，《评估反应最大化决策规则及其在母乳喂养中的应用》，《美国统计协会杂志》104第155页–（2009）·Zbl 06448240号 ·doi:10.1198/jasa.2009.0011
[12] Moodie，关于双重稳健g估计方差的注释，Biometrika 96 pp 998–（2009）·Zbl 1178.62088号 ·doi:10.1093/biomet/asp043
[13] 墨菲，最佳动态治疗方案（含讨论），《皇家统计学会杂志》，B辑65 pp 331–（2003）·Zbl 1065.62006号 ·doi:10.1111/1467-9868.00389
[14] 药理学研究中的丰富、自适应个体化给药：制定华法林治疗的候选动态给药策略，临床试验（英国伦敦）11，第435页–（2014）·doi:10.1177/1740774513517063
[15] Rich，最优动态治疗方案g估计的残差模型检验，国际生物统计学杂志6（2010）·doi:10.2202/1557-4679.1210
[16] 罗宾斯，复杂纵向数据的因果推断，潜在变量建模和因果应用：统计学讲义（1997）·doi:10.1007/978-1-4612-1842-54
[17] 罗宾斯，第二届西雅图生物统计学研讨会论文集，第189页–（2004）·Zbl 1279.62024号 ·doi:10.1007/978-1-4419-9076-1_11
[18] Robins，缺失数据下重复结果的半参数回归模型分析，《美国统计协会杂志》90页106–（1995）·Zbl 0818.62042号 ·doi:10.1080/01621459.1995.10476493
[19] Rubin，实验数据随机分析的讨论：D.Basu的Fisher随机化检验，《美国统计协会杂志》75 pp 591–（1980）
[20] Schulte，用于估计最佳动态治疗方案的Q和A学习方法，《统计科学》第29页第640页–（2014）·Zbl 1331.62437号 ·doi:10.1214/13-STS450
[21] 萨顿，《强化学习：导论》（1998年）
[22] Wang，在晚期前列腺癌的顺序随机试验中评估可行的动态治疗方案，美国统计协会杂志107第493页–（2012年）·Zbl 1328.62601号 ·doi:10.1080/01621459.2011.641416
[23] Watkins，从延迟奖励中学习（1989）
[24] 张，估计最佳治疗方案的稳健方法，《生物统计学》68页1010–（2012）·Zbl 1258.62116号 ·doi:10.1111/j.1541-0420.2012.01763.x
[25] 张，序贯治疗决策最佳动态治疗方案的稳健估计，Biometrika 100 pp 681–（2013）·Zbl 1284.62508号 ·doi:10.1093/biomet/ast014
[26] 赵，癌症临床试验强化学习设计，《医学统计学》28页3294–（2009）·doi:10.1002/sim.3720
[27] Zhao，最佳动态治疗方案的估计，临床试验11第400页–（2014）·doi:10.1177/1740774514532570
[28] 赵，使用结果加权学习估计个体治疗规则，《美国统计协会杂志》107 pp 1106–（2012）·Zbl 1443.62396号 ·doi:10.1080/01621459.2012.695674
[29] 赵，非小细胞肺癌临床试验的强化学习策略，《生物统计学》67页1422–（2011）·Zbl 1274.62922号 ·文件编号：10.1111/j.1541-0420.2011.01572.x
[30] Zhao，Y.Q.Zeng，D.Laber，E.B.Kosorok，M.R.2014估计最佳动态治疗方案的新统计学习方法·Zbl 1373.62557号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。